Эконометрика Вариант 5 РЭУ им. Плеханова (3 задания)
Задание 1. Классическая модель линейной регрессии
При изучении зависимости потребления материалов (т) у от энерговооруженности труда (кВт∙ч на одного рабочего) х1 и объема произведенной продукции (тыс. ед.) х2 по 25 предприятиям получены следующие данные.
Признак Среднее значение Среднее квадратическое отклонение Парный коэффициент корреляции
у 12 2 r(yx1) = 0.52
х1 4,3 0,5 r(yx2) = 0.84
х2 10,0 1,8 r(x1x2) = 0,43
По исходным данным таблицы 1 необходимо:
1 Построить уравнение множественной линейной регрессии в стандартизованном масштабе и в естественной форме.
2 Рассчитайте частные коэффициенты эластичности.
3 Рассчитать линейные коэффициенты частной корреляции и коэффициент множественной корреляции.
4 Оцените значимость уравнения регрессии в целом с помощью F – критерия Фишера.
Задание 2. Нелинейная регрессия и способы линеаризации
По 12 предприятиям исследовали зависимость следующих признаков: х (тыс. $) – объем производства и у ($) – себестоимость единицы продукции. Признаки имеют нормальный закон распределения.
x 5 9 11 12 12 14 15 16 16 17 19 21
y 42,4 35,5 36,5 25,3 29,8 22,1 19,7 18,2 16,5 13,9 12,5 11,1
По исходным данным таблицы 2 необходимо:
1. Построить поле корреляции и сформулировать гипотезу о форме связи между эндогенной и экзогенной переменными.
2. Рассчитать оценки параметров уравнений:
- степенной;
- равносторонней гиперболы;
- показательной.
3. Оценить тесноту связи между эндогенной и экзогенной переменны-ми. Проверьте значимость показатели тесноты связи по каждой модели.
4. Рассчитайте коэффициент детерминации. Сделайте экономический вывод.
5. Оцените с помощью F- критерия Фишера значимость уравнения регрессии ( ).
6. Определить среднюю ошибку аппроксимации.
7. На поле корреляции постройте линию регрессии.
Задание 3. Моделирование временных рядов
Динамика дебиторской задолженности организаций РФ, миллиард рублей:
Период 2016 г. 2017 г. 2018 г.
Январь 34296,8 33714,4 38447,5
Февраль 33617,6 34651,9 39645,3
Март 34536,3 35139,0 40574,6
Апрель 34790,4 36129,7 42194,4
Май 34858,1 35546,7 42806,4
Июнь 35670,4 36501,4 44421,8
Июль 36046,1 37069,1 43475,1
Август 35654,9 37139,2 44474,2
Сентябрь 36322,0 37520,7 44897,9
Октябрь 36952,8 38833,9 45249,5
Ноябрь 37667,3 39833,6 46287,9
Декабрь 37311,3 40257,6 46668,5
По исходным данным таблицы 7 необходимо:
1) построить график временного ряда;
2) построить тренд-сезонную мультипликативную модель временного ряда;
3) оценить качество модели;
4) спрогнозировать показатель на первые 2 периода (месяца / квартала) 2019 года;
5) сделать выводы.
Содержание
Задание 1. Классическая модель линейной регрессии 3
Задание 2. Нелинейная регрессия и способы линеаризации 9
Задание 3. Моделирование временных рядов 25
Список использованной литературы 35
Не подошли данные? Другой вариант? Не проблема! Напишите мне, оформите заказ и в течение 1-5 дней (в зависимости от загруженности) я выполню вашу работу.
Работа была выполнена в 2020 году, принята преподавателем без замечаний.
Пример оформления задач для общего представления о качестве приобретаемой работы можно посмотреть в моем профиле (образцы решений) или прикрепленном демо-файле.
Расчеты выполнены достаточно подробно. Все расчеты сопровождены формулами, пояснениями, выводами. Формулы и расчеты аккуратно набраны в microsoft equation.
Объем работы 35 стр. TNR 14, интервал 1,5.
Если есть вопросы по работе, то пишите в ЛС.
